染色体的分析与识别是细胞遗传学的一个重要课题,在遗传病诊断方面有着广泛的实际应用.传统的染色体识别是人工进行的,不仅识别准确率较低,而且整个识别工程相当繁琐,需要耗费大量的人力.从60年代末70年代初国际上就展开了染色体的自动分析与识别的研究,相继出现多种染色体自动分析系统.染色体的识别方法早期采用统计识别的方法,后来将神经网络运用到染色体识别中,识别率有了显著提高,然而一直难以达到令人十分满意的程度,主要困难在于:(1)以前的染色体自动识别中,着丝率是识别的特征之一.但是由于染色体经Giemasa染色后,着丝点变得不明显了,再加上图像预处理等的影响,着丝点很难准确确定,着丝率的计算也就不会准确.(2)采集的染色体图像中带纹常常不清晰,并非明显的明暗纹交替,带纹互相融合,带纹形状规则等,这些问题的存在使得带纹信息的描述变得很困难.传统的中轴密度投影和中轴灰度描述都存在不同的缺陷.(3)染色体的分割技术有待进一步提高,特别是交叉染色体和粘连染色体的分割.该文正是基于以上困难,将模糊理论运用到染色体自动识别系统,并与神经网络相结合,提出了一种模糊神经网络,并且采用特别的双层网络作为分类器.经过实验验证该网络与传统网络比较,识别率又有了一定提高.另外该文在图像预处理上,也采用了一些特殊方法,主要是在独立染色体的提取,以及对独立染色体图像的处理上.